ISSN 1519-1028
CNPJ 00.038.166/0001-05
Trabalhos para Discussão
Brasília
nº 308
julho
2013
p. 1-23
Trabalhos para Discussão
Editado pelo Departamento de Estudos e Pesquisas (Depep) – E-mail: [email protected]
Editor: Benjamin Miranda Tabak – E-mail: [email protected]
Assistente Editorial: Jane Sofia Moita – E-mail: [email protected]
Chefe do Depep: Eduardo José Araújo Lima – E-mail: [email protected]
Todos os Trabalhos para Discussão do Banco Central do Brasil são avaliados em processo de double blind referee.
Reprodução permitida somente se a fonte for citada como: Trabalhos para Discussão nº 308.
Autorizado por Carlos Hamilton Vasconcelos Araújo, Diretor de Política Econômica.
Controle Geral de Publicações
Banco Central do Brasil
Comun/Dipiv/Coivi
SBS – Quadra 3 – Bloco B – Edifício-Sede – 14º andar
Caixa Postal 8.670
70074-900 Brasília – DF
Telefones: (61) 3414-3710 e 3414-3565
Fax: (61) 3414-1898
E-mail: [email protected]
As opiniões expressas neste trabalho são exclusivamente do(s) autor(es) e não refletem, necessariamente, a visão do Banco
Central do Brasil.
Ainda que este artigo represente trabalho preliminar, citação da fonte é requerida mesmo quando reproduzido parcialmente.
The views expressed in this work are those of the authors and do not necessarily reflect those of the Banco Central or
its members.
Although these Working Papers often represent preliminary work, citation of source is required when used or reproduced.
Divisão de Atendimento ao Cidadão
Banco Central do Brasil
Deati/Diate
SBS – Quadra 3 – Bloco B – Edifício-Sede – 2º subsolo
70074-900 Brasília – DF
DDG: 0800 9792345
Fax: (61) 3414-2553
Internet: <http//www.bcb.gov.br/?FALECONOSCO>
Transmissão da Política Monetária pelos Canais de
Tomada de Risco e de Crédito: uma análise
considerando os seguros contratados pelos bancos e
o spread de crédito no Brasil
Debora Pereira Tavares*
Gabriel Caldas Montes**
Osmani Teixeira de Carvalho Guillén***
Resumo
Este Trabalho para Discussão não deve ser citado como representando as
opiniões do Banco Central do Brasil. As opiniões expressas neste trabalho são
exclusivamente do(s) autor(es) e não refletem, necessariamente, a visão do
Banco Central do Brasil.
Este trabalho apresenta uma contribuição pioneira para a literatura sobre
mecanismos de transmissão da política monetária pelos canais do crédito
e de tomada de risco ao analisar a influência da política monetária sobre
o processo de contratação de seguro referente às perdas com operações
de concessão de crédito bancário às pessoas físicas e investigar o
impacto exercido pela contratação desta modalidade de seguro sobre o
spread de crédito no Brasil. Os resultados indicam que: i) políticas
monetárias influenciam o prêmio do seguro de crédito; e ii) existe uma
relação positiva entre o prêmio de seguro e o spread, sugerindo que o
spread de crédito é sensível ao montante de seguros pagos pelas
entidades financeiras.
Palavras Chave: seguro de crédito, mecanismos de transmissão, política
monetária.
JEL Code: E42, E52 e E58
*
IRB-Brasil Resseguros S.A. e IBMEC. [email protected]
Universidade Federal Fluminense, Departamento de Economia e Conselho Nacional de Pesquisa (CNPq).
[email protected]
***
Banco Central do Brasil, Departamento de Estudos e Pesquisas e IBMEC. [email protected]
**
3
1. Introdução
A literatura tradicional relacionada aos mecanismos de transmissão da política
monetária geralmente enfatiza cinco canais de transmissão: taxa de juros, taxa de
câmbio, preços de ativos, crédito e expectativa (Mishkin, 1995; Montes, 2013). Embora
uma análise acerca de todos esses canais de transmissão seja relevante, episódios
recentes (por exemplo, como o da crise do subprime) aumentaram a necessidade de
estudar o canal de crédito em particular.1
Por sua vez, outro tipo de mecanismo de transmissão da política monetária vem
ganhando grande atenção, e foi recentemente denominado como canal de tomada de
risco (risk-taking channel). Este canal diz respeito a como as mudanças na taxa básica
de juros afetam tanto a percepção de risco como também a tolerância ao risco dos
agentes. Contudo, poucos estudos foram elaborados acerca da ligação entre a política
monetária e a percepção de risco e decisões dos agentes econômicos, ou seja, pouca
atenção tem sido dada ao canal de tomada de risco (Borio e Zhu, 2008).
Este trabalho analisa a influência dos diferentes canais de transmissão da política
monetária sobre o processo de contratação de seguro referente às perdas com operações
de concessão de crédito bancário às pessoas físicas (Seguro de Crédito – Pessoa Física)
e investiga o impacto exercido pela contratação desta modalidade de seguro sobre o
spread de crédito no Brasil, e, portanto, sobre o risco assumido por bancos com essas
operações.
A literatura relacionada ao canal do crédito serviu de base para a realização do
presente estudo, assim como a literatura referente ao canal de tomada de risco, haja vista
a dificuldade de se encontrar trabalhos relativos, especificamente, a influência da
política monetária sobre os seguros contratados pelos bancos e, por conseguinte, sobre o
spread de crédito. Nesse sentido, o presente trabalho contribui com a literatura ao
elaborar um estudo referente aos canais de transmissão do crédito (credit channel) e de
tomada de risco (risk-taking channel). O estudo se diferencia dos trabalhos existentes ao
destacar a influência da política monetária sobre o spread de crédito por meio dos
seguros contratados pelo setor bancário.
Além desta introdução, o trabalho encontra-se dividido da seguinte maneira. Na
seção 2 é apresentada uma breve resenha da literatura sobre mecanismos de transmissão
de política monetária por meio dos canais do crédito e de tomada de risco. Na seção 3 é
elaborada a análise empírica. E por último, na conclusão, são expostos os principais
resultados obtidos pelo estudo.
2. Transmissão da política monetária pelo canal do crédito e pelo canal de tomada
de risco
Existe considerável literatura sobre o papel que o crédito desempenha como
mecanismo de transmissão da política monetária, utilizando dados de séries temporais
agregados. Os trabalhos de Bernanke e Blinder (1992), Kashyap et al. (1993) e Gertler e
Gilchrist (1993) representam importantes referências para esta literatura. Na década de
2000, podem ser mencionados, por exemplo, os trabalhos de Ehrmann et al. (2003) e
Iacoviello e Minetti (2008).
1
Apesar do canal de crédito ser tradicionalmente dividido em dois canais distintos, o canal de
empréstimos bancários e o canal do balanço, o presente estudo centra-se no canal de empréstimos
bancários. Para mais informações e descrições detalhadas em relação a estes dois canais, ver Bernanke e
Gertler (1995).
4
Em relação ao mecanismo de transmissão de política monetária por meio do
canal do crédito para o período que compreende o regime de metas para inflação no
Brasil, os trabalhos elaborados por de Mello e Pisu (2010), Auel e de Mendonça (2011)
e Montes e Machado (2013) encontram importantes evidências que devem ser
destacadas.
O trabalho de Mello e Pisu (2010) analisa o canal de transmissão de política
monetária pelos empréstimos bancários no Brasil usando dados agregados mensais de
dezembro de 1995 a junho de 2008. A análise é realizada por meio de um modelo de
correção de erro vetorial (VECM) que permite múltiplas relações de cointegrações entre
as variáveis de interesse. O estudo encontra evidências de dois vetores de cointegração,
que eles identificam como funções de demanda e oferta de empréstimos. A oferta de
empréstimos é encontrada como sendo negativamente relacionada à taxa de certificado
de depósito interbancário, sugerindo a existência de um canal de empréstimos para a
transmissão monetária.
O trabalho de Auel e de Mendonça (2011) analisa a relevância macroeconômica
do canal do crédito no Brasil. Baseados em dados de 2002 a 2009, três conjuntos de
modelos GMM são considerados: o primeiro conjunto analisou os efeitos dos choques
sobre as variáveis econômicas que são essenciais para a oferta de crédito, o segundo
conjunto considerou os efeitos das mesmas variáveis utilizadas no caso anterior sobre o
spread de crédito, e o terceiro conjunto levou em conta os efeitos das mudanças nas
condições do mercado de crédito sobre o produto. Os resultados apontam que os efeitos
de choques econômicos sobre a oferta de crédito e sobre o spread de crédito estão de
acordo com a teoria do canal do crédito. Além disso, é observado que choques sobre a
taxa de juros não são transmitidos diretamente para a economia, mas por meio do canal
do crédito.
O trabalho de Montes e Machado (2013) apresenta um modelo teórico e analisa
empiricamente a transmissão da política monetária por meio do canal do crédito no
Brasil. O estudo verifica se a política monetária, a atividade econômica e a maturidade
do regime de metas para inflação afetam a oferta de crédito. As estimativas indicam que
a oferta de crédito é estimulada quando a economia se aquece, quando a autoridade
monetária reduz a taxa de juros e quando a credibilidade aumenta. As evidências
também indicam que a atividade econômica e o emprego são afetados pela política
monetária, e a oferta de crédito exerce influência sobre o emprego e o hiato do produto.
Por sua vez, outro tipo de mecanismo de transmissão da política monetária vem
ganhando grande atenção e foi recentemente denominado como o canal de tomada de
risco (risk-taking channel). Este canal diz respeito a como as mudanças nas taxas de
juros de política monetária afetam tanto a percepção de risco como também a tolerância
ao risco. Borio e Zhu (2008) ressaltam que os estudos relacionados aos mecanismos de
transmissão não têm dado atenção suficiente para a ligação entre a política monetária e a
percepção e apreçamento do risco – ou seja, ao canal de tomada de risco da política
monetária. Nesse contexto, eles desenvolveram este conceito, o compararam com as
visões atuais do mecanismo de transmissão, exploraram a sua ligação com a “liquidez”
e analisaram a sua interação com funções de reação de política monetária.
Argumentaram, por fim, que as mudanças no sistema financeiro e a regulamentação
prudencial podem ter aumentado a importância do canal de tomada de risco e que
paradigmas macroeconômicos vigentes e modelos associados não são adequados para
capturá-lo, reduzindo assim a sua eficácia como guias para a política monetária.
Com base neste conceito de canal de tomada de risco, Altumbas, Gambacorta e
Marqués-Ibañez (2009) realizaram uma avaliação empírica para a zona do Euro e EUA,
pela qual encontraram evidências de um canal de empréstimos bancários por meio do
5
risco bancário. As evidências encontradas apontam que para avaliar a capacidade e
vontade de um banco entregar novos empréstimos, as condições bancárias de risco
precisam ser consideradas em conjunto com outros indicadores (isto é, tamanho,
liquidez e capitalização), os quais são tradicionalmente utilizados na literatura sobre
canal do crédito bancário. Os resultados sugerem que a manutenção das taxas de juros
em patamares muito baixos durante um período prolongado de tempo causa um
aumento na propensão a assumir riscos por parte dos bancos.
O estudo elaborado por Montes e Peixoto (2012) mostrou que, se por um lado a
credibilidade é importante para a condução da política monetária, por outro lado, uma
maior credibilidade pode, eventualmente, estimular a criação de bolhas no mercado de
crédito e preços de ativos por meio do canal de tomada de risco. O trabalho buscou: (i)
analisar o impacto das ações do banco central e do ambiente macroeconômico sobre a
percepção de risco dos bancos, e (ii) analisar a influência dessa percepção de risco dos
bancos sobre o spread de crédito, considerando tanto o canal do crédito e o canal de
tomada de risco. Com base em uma análise econométrica, o trabalho forneceu
evidências sobre: (i) o “paradoxo de credibilidade” e o canal de tomada de riscos, (ii) a
influência da política monetária sobre a percepção de risco dos bancos e sobre o spread
de crédito, (iii) a natureza pró-cíclica dos bancos em relação à atividade econômica, e
(iv) a aderência do indicador anticíclico (chamado gap de crédito) proposto em Basileia
III para o caso brasileiro.
Inequivocamente, a política monetária influencia a tomada de risco dos bancos
(Brunnermeier, 2001; Rajan, 2005; Gambacorta, 2009; Altunbas, Gambacorta e
Marqués-Ibáñez, 2009). Alterações na taxa básica de juros, como também nas reservas
compulsórias, afetam o custo do capital, influenciando, por conseguinte, a atividade
econômica. Como sugere o trabalho de Carling et al. (2007), é esperado que um(a)
aumento (redução) da taxa de juros nominal impacte negativamente (positivamente) a
atividade econômica e aumente (reduza) a taxa de inadimplência. Por sua vez, uma taxa
de inadimplência alta é um indicativo do elevado risco de crédito ao qual estão expostos
os bancos, e que caso não seja administrado corretamente pode levar a crises no sistema
bancário. O aumento da inadimplência é capaz também de gerar redução na
lucratividade dos bancos e, por conseguinte, reduzir a atividade econômica devido à
restrição na concessão de novos empréstimos. A alta da inadimplência é um risco, mas
também um incentivo à contratação de seguro de crédito. Ou seja, o aumento da
inadimplência estimularia a demanda por seguro de crédito.
Acerca do canal de tomada de risco, não há estudos que abordem a influência da
política monetária sobre a percepção de risco dos bancos medida pelos seguros de
crédito contratados e, por conseguinte, pelo spread de crédito. Ou seja, não existe, para
o caso brasileiro, qualquer estudo acerca de como esta percepção de risco afeta o
montante de seguros de crédito contratado e o spread de taxa de juros cobrado nas
operações de crédito.
3. Análise empírica
A análise elaborada está baseada nos trabalhos de Auel e de Mendonça (2011) e
Montes e Peixoto (2012) acerca da transmissão da política monetária pelo canal do
crédito e pelo canal de tomada de risco. Entretanto, o presente trabalho se diferencia dos
demais trabalhos elaborados, pois destaca a influência da política monetária sobre a
percepção de risco dos bancos, e como esta impacta os seguros contratados contra
perdas com operações de crédito às pessoas físicas e, por conseguinte, como estes
afetam o spread de crédito. Em outras palavras, nessa seção são fornecidas evidências
6
empíricas para a economia brasileira do impacto exercido pela política monetária sobre
o spread de crédito considerando os seguros contratados contra perdas com operações
de crédito às pessoas físicas.
De acordo com a Susep, órgão fiscalizador do mercado de seguros nacional, o
seguro de crédito é definido como uma modalidade de seguro que tem por objetivo
ressarcir o segurado (credor), nas operações de crédito realizadas com clientes
domiciliados no país, das perdas líquidas definitivas causadas por devedor insolvente.
Suas principais coberturas são: Operações de Consórcio, Operações de Empréstimo
Hipotecário e Operações de Arrendamento Mercantil (Leasing).2
As principais características do seguro de crédito são: a – Participação obrigatória
do segurado, que visa a manter o interesse deste na seleção dos riscos, assim como no
resultado das ações judiciais e extrajudiciais; b – Globalidade das operações, que tem
por objetivo evitar que a entidade de crédito somente inclua na apólice os riscos de
maior vulto e probabilidade; e c – Limite de crédito, que é o estabelecimento de um
limite máximo de crédito, evitando assim as fraudes e o excesso de exposição do
segurado.
Este tipo de seguro tem as seguintes modalidades: a – Riscos Comerciais – tem
por objetivo cobrir as operações de crédito realizadas pelo segurado, somente com
pessoas jurídicas domiciliadas no país; e b – Quebra de Garantia – tem por objetivo
cobrir as operações de crédito realizadas pelo segurado, especialmente aquelas relativas
à venda de bens de consumo, para pessoas físicas ou jurídicas domiciliadas no país. A
principal característica desta modalidade é a existência de garantias reais, em que os
bens envolvidos na operação são utilizados como garantia ao segurado e à Seguradora.
É importante destacar que o presente estudo utiliza na análise dados acerca do
montante total pago com seguros contratados pelas entidades financeiras, especialmente
bancos, para cobertura do risco de crédito doméstico junto às pessoas físicas (extraídos
do SES da Susep).
3.1 Descrição da análise e metodologia
A análise empírica elaborada por Auel e de Mendonça (2011) aborda como
choques nas variáveis macroeconômicas afetam o spread de crédito e,
consequentemente, a produção industrial, identificando dessa maneira uma
possibilidade de transmissão da política monetária no Brasil pelo canal do crédito. Por
sua vez, o trabalho de Montes e Peixoto (2012) analisa o impacto das ações do banco
central e do ambiente macroeconômico sobre a percepção de risco dos bancos, e a
influência dessa percepção de risco dos bancos sobre o spread de crédito, considerando
tanto o canal do crédito e o canal de tomada de risco.
A Figura 1 abaixo esquematiza a análise do presente estudo, o qual utilizou o
prêmio de seguro de crédito como variável explicativa do spread de crédito. Ademais,
com base nos trabalhos existentes na literatura sobre canal de crédito e na teoria
econômica, foram incluídas outras variáveis macroeconômicas nas estimações.
2
Este seguro é geralmente contratado por empresas que realizam operações de crédito em suas vendas –
tanto para pessoa física como para pessoa jurídica – ou intermediários de operações de crédito,
financiamento e investimento; consórcios, empresas de factoring e outras, caracterizados desta forma
como segurados das operações de crédito. Os segurados também são os responsáveis pelo pagamento do
prêmio de seguro. Os contratantes da operação de crédito, ou seja, os devedores são denominados
garantidos, e é sobre eles que incide o risco de inadimplência.
7
Figura 1 – Esquema de Análise
A análise empírica considerou o método de mínimos quadrados ordinários (OLS)
e o método de momentos generalizado (GMM). De acordo com Hansen (1982), uma
das razões para utilizar o método GMM é que, enquanto o método OLS geralmente
apresenta problemas de autocorrelação serial, heterocedasticidade e não linearidade,
fatores comuns em séries temporais macroeconômicas, o GMM oferece estimadores
consistentes para a regressão.
É importante notar que os coeficientes estimados por GMM são consistentes
somente se as variáveis instrumentais utilizadas na análise são exógenas. Portanto, a
hipótese de exogeneidade dos instrumentos requer que essas variáveis não afetem
diretamente a variável dependente. Neste sentido, um procedimento padrão que garante
tal hipótese baseia-se em Johnston (1984), ou seja, os instrumentos escolhidos foram
datados do período t-1 ou anterior. Ainda em relação ao GMM, Cragg (1983) apontou
que a análise de sobreidentificação tem um papel importante na seleção de variáveis
instrumentais para melhorar a eficiência dos estimadores. Assim, realizou-se o teste J
padrão, com o objetivo de testar essa propriedade (Hansen, 1982).
3.2 Dados
O período analisado vai de janeiro de 2005 a maio de 2012. A escolha de iniciar a
análise a partir de 2005 se justifica, pois se observa nesse período maior estabilidade do
ambiente macroeconômico. As séries mensais utilizadas são as seguintes3:
– Prêmio de Seguros (PREM) – Montante total pago pelas entidades financeiras,
especialmente bancos, para cobertura do risco de crédito doméstico junto às pessoas
físicas, já descontados os cancelamentos, restituições e descontos. Os dados utilizados
3
Cabe esclarecer que para as variáveis expressas em valores monetários foi aplicado o logaritmo natural,
e para aquelas expressas em níveis percentuais foi aplicado o seguinte ajuste, o qual também utiliza o
logaritmo natural (ln (1+variável/100)). Nesse sentido, a análise está baseada nas estimações das
elasticidades.
8
foram extraídos do SES da Susep e contemplam o grupo de Crédito Doméstico – Risco
Pessoa Física (Fonte: SES/Susep – Grupo_Ramo: 0870).
– Spread (SPREAD) – Esta série representa o spread médio das operações de crédito
com recursos livres referenciais para taxa de juros (pré-fixado) – Total pessoa físicas –
em pontos percentuais. Refere-se ao diferencial entre as taxas de juros consolidadas das
operações de crédito e os custos de captação. O grupo pessoas físicas compreende
cheque especial, crédito pessoal, aquisição de bens-veículos e outros bens. (Fonte: Série
3957/Banco Central do Brasil – Departamento Econômico).
– Risco país (EMBI) – O EMBI+ é um índice utilizado como variável proxy para o
risco país. De um modo geral, o EMBI mostra a diferença entre a taxa de retorno dos
títulos de países emergentes e a oferecida por títulos emitidos pelo Tesouro americano.
Essa diferença é o spread, ou o spread soberano. (Fonte: JP Morgan).
– Taxa básica de juros – Selic (IR). No Brasil, a taxa de juros (Selic) é o principal
instrumento de política monetária no regime de metas de inflação. A série utilizada foi
disponibilizada pelo Banco Central do Brasil e está expressa em pontos percentuais.
(Fonte: Série 4189/Banco Central do Brasil – Departamento de Operações do Mercado
Aberto).
– Taxa de inadimplência (INAD). Esta variável representa a taxa de inadimplência do
sistema financeiro privado nacional, ou seja, o nível de perda dos bancos em suas
operações de crédito em pontos percentuais. Refere-se ao saldo das operações de
empréstimo, financiamento, adiantamento e arrendamento mercantil, concedidas pelas
instituições integrantes do sistema financeiro privado nacional, nas quais pessoas físicas
e jurídicas residentes no país detém a maioria do capital votante. (Fonte: Série 13673/
Banco Central do Brasil – Departamento Econômico).
– Taxa de desemprego (U) – Relação entre o número de pessoas desocupadas
(procurando trabalho) e o número de pessoas economicamente ativas num determinado
período de referência. Expressa em pontos percentuais. (série: 10777/Fonte: IBGE).
– Taxa de reservas compulsórias (RR). Esta série está expressa em valores percentuais
e representa um instrumento de política monetária que impacta diretamente o volume de
crédito e, consequentemente, na disposição do sistema financeiro à tomada de risco.
(Fonte: Séries 1883, 1884, 1886 e 17633/ Banco Central do Brasil – Departamento
Econômico).
A primeira condição a ser testada antes de aplicar a análise econométrica é
verificar se as séries são estacionárias. Portanto, foi aplicado o teste de raiz unitária
KPSS (Kwiatkowski-Phillips-Schmidt-Shin) (ver Tabela A.1, no apêndice). A vantagem
deste teste resulta do baixo poder de testes convencionais, que tendem a não rejeitar a
hipótese nula demasiadas vezes (Franses e Haldrup, 1994; Cati, Garcia e Perron, 1999).
Ademais, Kwiatkowski, Phillips, Schmidt and Shin (1992) argumentam que o teste
KPSS pode distinguir séries que aparentam ser estacionárias, séries que aparentam ter
uma raiz unitária, e séries para as quais os dados não são suficientemente informativos
para ter a certeza se são estacionárias ou integradas – como é o caso de séries com curta
periodicidade. Os resultados mostram que todas as séries são I(0).
9
A Figura 2 abaixo ilustra o comportamento das séries para o período analisado. É
interessante destacar que para o período relativo à crise subprime houve fortes
alterações nas séries de inadimplência, spread de crédito, reservas compulsórias, riscopaís, prêmio de seguros de crédito e taxa básica de juros.
Figura 2 – Gráfico de comportamento das séries
3.3 Estimativas para a influência de variáveis macroeconômicas e políticas
monetárias sobre o prêmio de seguro de crédito
De forma a buscar evidências acerca da influência de variáveis econômicas e
políticas monetárias sobre o prêmio de seguro de crédito para pessoa física, foi estimada
a seguinte equação, cuja especificação é:
10
PREM t   0  1 PREM t 1   2 IRt 1   3 INADt 7   4U t 1   5 RRt 5   t
(1)
em que  t representa um termo de erro. Cabe esclarecer que a escolha dos lags foi
determinada por meio da metodologia “geral para o específico”, utilizando os critérios
de informação tradicionalmente aplicados (Schwarz e Akaike), além do princípio da
parcimônia e com base na teoria econômica.
A Tabela 1 abaixo apresenta os resultados das estimativas por OLS e GMM.
Tabela 1 – Estimativas OLS e GMM (variável dependente: PREM)
Variáveis Explicativas
C
OLS
9.580 ***
(1.471)
[6.508]
GMM
7.091 ***
(0.788)
[8.993]
PREM(-1)
0.262 **
(0.104)
[2.511]
0.440 ***
(0.059)
[7.399]
IR(-1)
4.586 **
(2.000)
[2.292]
4.439 ***
(0.810)
[5.478]
INAD(-7)
11.264 *
(6.747)
[1.669]
11.474 ***
(1.885)
[6.086]
18.728 ***
(3.984)
[4.700]
11.970 ***
(1.487)
[8.048]
0.545
(0.873)
[0.624]
0.743
0.726
786.480
0.000
0.997 ***
(0.292)
[3.415]
0.690
0.660
U(-1)
RR(-5)
R²
R² ajustado
Jarque-Bera
Prob(Jarque-Bera)
Rank
Estatística F
Prob(F)
Estatística J
Prob(Estatística J)
Ramsey RESET (1)
Prob(Ramsey RESET)
Heterocedasticidade ARCH (1)
Prob(Heterocedasticidade)
Breusch-Godfrey Teste LM (1)
Prob(Breusch-Godfrey Teste LM)
Breusch-Godfrey Teste LM (2)
Prob(Breusch-Godfrey Teste LM)
Breusch-Godfrey Teste LM (3)
Prob(Breusch-Godfrey Teste LM)
Breusch-Godfrey Teste LM (4)
Prob(Breusch-Godfrey Teste LM)
30
43.969
0.000
13.830
0.950
0.606
0.547
0.005
0.940
0.326
0.570
2.083
0.132
1.584
0.201
1.297
0.280
Níveis de significância marginal: *** representa 1%, ** representa 5% e
* representa 10%. Os erros-padrão estão entre parênteses e as
estatísticas t entre colchetes.
11
Sobre a estimativa por OLS, a estatística F indica que a regressão como um todo é
significativa. Além disso, o resultado do teste RESET de Ramsey indica que a regressão
não apresenta problema de especificação de modelo. Ademais, os testes para detectar
heteroscedasticidade e autocorrelação indicam que os resíduos estimados não
apresentam esses problemas. Em relação ao GMM, o resultado do teste-J indicou que
todo o modelo está corretamente especificado.
Considerando a influência das políticas monetárias sobre o prêmio de seguros de
crédito, as estimativas apresentam significância estatística tanto para a taxa de juros
Selic como também para a taxa de reservas compulsórias. Os coeficientes estimados
para IR e RR confirmam as relações positivas que exercem sobre o prêmio de seguros
de crédito. Assim, políticas monetárias contracionistas (expansionistas) induziriam os
bancos a contratarem mais (menos) seguros. As estimativas mostram que limitando os
recursos disponíveis para empréstimos, ou seja, aumentando o nível das reservas
compulsórias, este instrumento de política monetária provocaria um aumento na procura
por seguros de crédito. No entanto, somente foi verificada significância estatística por
meio do método GMM.
O desemprego é uma das principais causas da inadimplência no país, respondendo
por um terço dos casos (33%) no mês de setembro de 2012 – como aponta pesquisa
divulgada pela Boa Vista Serviços, administradora do Serviço Central de Proteção ao
Crédito (SCPC). Portanto, quando o desemprego aumenta, haverá uma maior exposição
dos bancos ao risco de crédito e, por conseguinte, estes buscarão maior proteção por
meio do seguro de crédito. As estimativas mostram relações positivas entre desemprego
e PREM e inadimplência e PREM.
3.4 Estimativas para a influência das políticas monetárias e do prêmio de seguro de
crédito sobre o spread de crédito
De forma a buscar evidências acerca da influência que exercem as políticas
monetárias e o prêmio de seguro de crédito para pessoa física sobre o spread de crédito,
foi estimada a seguinte equação4:
SPREAD t   0   1 SPREAD t 1   2 IRt 5   3 PREM t 4   4 RRt 3   5 EMBI t 1 * D  t
(2)
em que t representa um termo de erro. Novamente, cabe ressaltar que a escolha dos
lags foi determinada por meio da metodologia “geral para o específico”, utilizando os
critérios de informação tradicionalmente aplicados (Schwarz e Akaike), além do
princípio da parcimônia, e com base na teoria econômica.
A fim de capturar os choques financeiros internacionais sobre a economia brasileira da crise das
hipotecas subprime, uma variável DUMMY (D) foi incluída. A DUMMY assume o valor 1 para o
período de 2008.08 para 2008.12 e zero caso contrário. Esta data de início foi escolhida porque
imediatamente após 2008.08, ocorreu a quebra do banco Lehman Brothers. Espera-se que os coeficientes
desta variável apresentem sinais positivos, porque, em ambientes turbulentos, gerados por crises, criam
incertezas que induzem os bancos a aumentar suas disposições e, portanto, restringir o crédito, como, por
exemplo, aumentando o spread de crédito.
4
12
A Tabela 2 abaixo apresenta os resultados das estimativas por OLS e GMM.
Tabela 2 – Estimativas OLS e GMM (variável dependente: SPREAD)
Variáveis Explicativas
C
OLS
-0.036
(0.035)
[-1.016]
GMM
-0.020
(0.028)
[-0.709]
SPREAD(-1)
0.759 ***
(0.057)
[13.220]
0.701 ***
(0.077)
[9.061]
IR(-5)
0.1966***
(0.073)
[2.686]
0.263 ***
(0.078)
[3.377]
0.004 **
(0.002)
[2.141]
0.004 **
(0.001)
[2.286]
0.036 *
(0.019)
[1.852]
0.024 **
(0.011)
[2.106]
0.003 ***
(0.001)
[5.076]
0.954
0.951
25.688
0.000
0.005 ***
(0.001)
[3.623]
0.945
0.942
PREM(-4)
RR(-3)
EMBI(-1)*D
R²
R² ajustado
Jarque-Bera
Prob(Jarque-Bera)
Rank
Estatística F
Prob(F)
Estatística J
Prob(Estatística J)
Ramsey RESET (1)
Prob(Ramsey RESET)
Heterocedasticidade ARCH (1)
Prob(Heterocedasticidade)
Breusch-Godfrey Teste LM (1)
Prob(Breusch-Godfrey Teste LM)
Breusch-Godfrey Teste LM (2)
Prob(Breusch-Godfrey Teste LM)
Breusch-Godfrey Teste LM (3)
Prob(Breusch-Godfrey Teste LM)
Breusch-Godfrey Teste LM (4)
Prob(Breusch-Godfrey Teste LM)
19
325.050
0.000
7.492
0.875
0.160
0.689
1.141
0.288
0.867
0.354
2.669
0.075
2.090
0.108
1.834
0.131
Níveis de significância marginal: *** representa 1%, ** representa 5% e
* representa 10%. Os erros-padrão estão entre parênteses e as
estatísticas t entre colchetes.
Em relação à estimativa por OLS, a estatística F indica que a regressão como um
todo é significativa. Além disso, o resultado do teste RESET de Ramsey indica que a
13
regressão não apresenta problema de especificação de modelo. Ademais, os testes para
detectar heteroscedasticidade e autocorrelação indicam que os resíduos estimados não
apresentam esses problemas. No tocante ao GMM, o resultado do teste-J indicou que o
modelo está corretamente especificado.
Conforme verificado por Auel e de Mendonça (2011) e Montes e Peixoto (2012),
nos estudos sobre a influência das políticas monetárias sobre o spread de crédito, os
coeficientes estimados para as variáveis IR e RR foram positivos e estatisticamente
significativos. Tal evidência, conforme apresentado por Montes e Peixoto (2012), indica
que a variável SPREAD é um bom indicador para a manifestação do canal de crédito no
regime de metas de inflação no Brasil.
Assim como encontrado por Auel e de Mendonça (2011), o risco país (EMBI)
mostrou-se significativo e positivamente relacionado com o SPREAD. Portanto, no que
o risco-país se eleva e, assim, aumenta a probabilidade de default, este evento deve
repercutir diretamente na magnitude do spread bancário, pois o ambiente de incerteza
gerado contamina as percepções dos agentes que operam no sistema financeiro.
No tocante a influência do prêmio de seguro (PREM) sobre o SPREAD, as
evidências apontam para uma relação positiva entre este e o SPREAD. Os resultados
sugerem que o spread de crédito é sensível ao montante de seguros pagos pelas
entidades financeiras, especialmente bancos, para cobertura do risco de crédito
doméstico junto às pessoas físicas. Ou seja, no que esse montante aumenta isso indica
que as entidades financeiras percebem um aumento no risco de crédito, e, portanto um
aumento da inadimplência, e assim reagem aumentando o spread de crédito. Essa
percepção, por sua vez, pode ser resultado da adoção de políticas monetárias
contracionistas por parte do banco central.
3.5 Sistema de equações simultâneas para o Prêmio de Seguros e o Spread
A análise anterior indica que políticas monetárias, por meio de reservas
compulsórias e da taxa de juros, influenciam o volume de seguros contratados e
aumentam o spread de crédito, reforçando a ideia de que o canal de tomada de riscos e o
canal de crédito estariam operando no Brasil.
Uma maneira de dar robustez às estimações individuais realizadas por OLS e
GMM e, assim, observar os canais de transmissão de tomada de riscos e do crédito é a
estimativa utilizando sistema de equações simultâneas. Para o tratamento de possíveis
problemas de endogeneidade a estimação do sistema foi feita por GMM. O sistema de
equações estimado é:
PREM t   0  1 PREM t 1   2 IRt 1   3 INADt 7   4U t 1   5 RRt 5   t
Sistema
SPREADt   0  1SPREADt 1   2 IRt 5   3 PREM t 4   4 RRt 3  5 EMBI t 1 * D   t
em que,  t e  t são termos de erro aleatório. A tabela 3 mostra as estimativas do
sistema.
Todos os coeficientes das variáveis analisadas têm sinais de acordo com a visão
teórica e com significância estatística. Vale ressaltar que os coeficientes obtidos pelo
sistema são mais precisos do que os estimados nas especificações individuais – como se
observa, os erros-padrão são menores.
14
Tabela 3 – Sistema GMM (PREM e SPREAD)
Sistema GMM - PREM e SPREAD
Variáveis dependentes
PREM
Variáveis Explicativas
C
7.156 ***
(0.654)
[10.933]
Variáveis Explicativas
C
PREM(-1)
0.435 ***
(0.048)
[8.914]
SPREAD(-1)
0.668 ***
(0.044)
[15.184]
IR(-1)
4.609 ***
(0.682)
[6.752]
IR(-5)
0.296 ***
(0.046)
[6.339]
INAD(-7)
11.719 ***
(1.492)
[7.854]
PREM(-4)
0.004 ***
(0.001)
[3.195]
U(-1)
11.695 ***
(1.163)
[10.050]
RR(-3)
0.026 ***
(0.008)
[3.057]
RR(-5)
0.990 ***
(0.248)
[3.997]
0.688
0.664
EMBI(-1)*D
0.005 ***
(0.001)
[6.941]
0.943
0.939
R²
R² ajustado
Estatística J
Prob(Estatística J)
SPREAD
-0.013
(0.019)
[-0.694]
0.228
0.99
Níveis de significância marginal: *** representa 1%, ** representa 5% e * representa 10%. Os errospadrão estão entre parênteses e as estatísticas t entre colchetes.
Os resultados apontam que reduções (elevações) na taxa de juros ou de reservas
compulsórias provocam reduções (elevações) na contratação de seguros de crédito, e
consequentemente reduziriam (aumentariam) os riscos observados no mercado de
crédito.
Vale observar que as políticas monetárias afetam diretamente o spread de crédito,
suscitando assim a existência do canal de crédito. Por sua vez, é importante destacar
também que, as políticas monetárias afetam indiretamente o spread praticado nas
operações de crédito por meio da percepção de risco dos bancos, a qual se reflete sobre
o montante contratado de seguros de crédito, sugerindo assim, a existência de um canal
de tomada de risco que acaba por influenciar as operações de crédito na economia.
Por fim, é importante ressaltar que uma redução (um aumento) na contratação de
seguros de crédito resulta de uma melhora (piora) na percepção dos bancos em relação
ao risco de crédito, o que possibilita ao banco assumir mais (menos) riscos e, portanto,
15
aumentar (reduzir) sua exposição, por exemplo, reduzindo (aumentando) o spread nas
operações de crédito.
Conclusão
Este estudo analisa a influência da política monetária sobre o processo de
contratação de seguro referente às perdas com operações de concessão de crédito
bancário às pessoas físicas (Seguro de Crédito – Pessoa Física) e investiga o impacto
exercido pela contratação desta modalidade de seguro sobre o spread de crédito, e,
portanto, sobre o risco assumido por bancos com essas operações.
Visto a carência de trabalhos que relacionam o seguro ao mecanismo de
transmissão da política monetária, o presente estudo contribui com a literatura ao
elaborar um estudo referente aos canais de transmissão do crédito (credit channel) e de
tomada de risco (risk-taking channel) usando o seguro referente às perdas com
operações de concessão de crédito bancário às pessoas físicas. A literatura de canais de
transmissão do crédito e de tomada de risco serviu de alicerce ao presente trabalho, que
se diferencia dos demais trabalhos elaborados ao destacar a influência da política
monetária sobre a percepção de risco dos bancos, e como esta impacta os seguros
contratados contra perdas com operações de crédito às pessoas físicas e, por
conseguinte, como estes afetam o spread de crédito.
A análise empírica elaborada está baseada nos trabalhos de Auel e de Mendonça
(2011) e Montes e Peixoto (2012) acerca da transmissão da política monetária pelo
canal do crédito e pelo canal de tomada de risco. Esta pesquisa utilizou o prêmio de
seguro de crédito como variável explicativa do spread de crédito. Ademais, com base
nos trabalhos existentes na literatura sobre canal de crédito e na teoria econômica, foram
incluídas outras variáveis macroeconômicas nas estimações. A amostra de dados
utilizados varia de janeiro de 2005 até maio de 2012.
Os resultados indicam que há influência de variáveis macroeconômicas e de
política monetária sobre o prêmio de seguro de crédito. As estimativas apresentam
significância estatística tanto para a taxa de juros Selic como também para a taxa de
reservas compulsórias. Os coeficientes estimados para estas variáveis confirmam as
relações positivas sobre o prêmio de seguros de crédito. Assim, políticas monetárias
contracionistas (expansionistas) induziriam os bancos a contratarem mais (menos)
seguros. As estimativas mostram que limitando os recursos disponíveis para
empréstimos, ou seja, aumentando o nível das reservas compulsórias, este instrumento
de política monetária provocaria um aumento na procura por seguros de crédito. As
estimativas mostram relações positivas entre desemprego e prêmio de seguros e
inadimplência e premio de seguros.
As estimativas para a influência da política monetária e do prêmio de seguro de
crédito sobre o spread de crédito estão em linha com os estudos de Auel e de Mendonça
(2011) e Montes e Peixoto (2012). Os coeficientes estimados para as variáveis taxa
básica de juros e taxas de reservas compulsórias foram positivos e estatisticamente
significativos. Tal evidência, conforme apresentado por Montes e Peixoto (2012), indica
que a variável spread é um bom indicador para a manifestação do canal de crédito no
regime de metas de inflação no Brasil. O risco país (EMBI) mostrou-se significativo e
positivamente relacionado com o spread, assim como em Auel e de Mendonça (2011).
As evidências apontam para uma relação positiva entre o prêmio de seguro e o spread.
Os resultados sugerem que o spread de crédito é sensível ao montante de seguros pagos
pelas entidades financeiras, especialmente bancos, para cobertura do risco de crédito
doméstico junto às pessoas físicas.
16
Finalmente, aplica-se um sistema de equações simultâneas para o prêmio de
seguros e o spread com objetivo de dar robustez às estimações individuais. Os
coeficientes estimados são positivos e significativos, apontando que reduções
(elevações) na taxa de juros ou de reservas compulsórias tenderiam a provocar reduções
(elevações) na contratação de seguros de crédito. Por outro lado, é importante ressaltar
que uma redução (um aumento) na contratação de seguros de crédito resultaria em
melhora (piora) na percepção dos bancos em relação ao risco de crédito, o que
possibilitaria ao banco assumir mais (menos) riscos e, portanto, aumentar (reduzir) sua
exposição, por exemplo, reduzindo (aumentando) o spread nas operações de crédito.
17
Referências
Adrian, T., & Shin, H. S. (2009a). Money, Liquidity, and Monetary Policy. The
American Economic Review, 99(2): 600-605.
Adrian, T., & Shin, H. S. (2009b). Financial Intermediation and Monetary Economics.
Federal Reserve Bank of New York Staff Reports, No. 398.
Altunbas, Y., Gambacorta, L., & Marqués-Ibáñez, D. (2009). An empirical assessment
of the risk-taking channel. Paper presented at the BIS/ECB conference on “Monetary
policy and financial stability”, September.
Altunbas, Y., Gambacorta, L., & Marqués-Ibáñez, D. (2010). Does monetary policy
affect bank risk-taking? BIS Working Papers 298, March.
Auel, M. C., & de Mendonça, H. F. (2011). Macroeconomic relevance of credit
channels: Evidence from an emerging economy under inflation targeting. Economic
Modelling, 28: 965-979.
Bernanke, B., & Blinder, A. (1992). The federal funds rate and the channels of
monetary transmission. The American Economic Review, 82(4): 901–921.
Bernanke, B. S., & Gertler, M. (1995). Inside the Black Box: The Credit Channel of
Monetary Policy Transmission. Journal of Economic Perspectives, 9(4): 27-48.
Borio, C., & Zhu, H. (2008). Capital Regulation, Risk-Taking and Monetary Policy: A
Missing Link in the Transmission Mechanism?. Bank for International Settlements
Working Paper, No. 268.
Brunnermeier, M. K. (2001). Asset Pricing under Asymmetric Information – Bubbles,
Crashes, Technical Analysis and Herding. Oxford, Oxford University Press.
Carling, K., Jacobson, T., Linde, J., & Roszbach, K. (2007). Corporate credit risk
modeling and the macroeconomy. Journal of Banking and Finance, 31(3): 845–868.
Catão, L. A. V., Laxton, D., & Pagan, A. (2008). Monetary Transmission in an
Emerging Targeter: The Case of Brazil. International Monetary Fund, IMF Working
Papers: 08/191
Catão, L. A. V., & Pagan, A. (2009). The Credit Channel and Monetary Transmission in
Brazil and Chile: A Structured VAR Approach. National Centre for Econometric
Research, NCER Working Paper Series: 53, March.
Cati, R. C., Garcia, M. G. P., & Perron, P. (1999). Unit roots in the presence of abrupt
governmental interventions with an application to Brazilian data. Journal of Applied
Econometrics, 14: 27–56.
Chang, E. J., Guerra, S. M., Lima, E. J. A., & Tabak, B. M. (2008). The stabilityconcentration relationship in the Brazilian banking system. Journal of International
Financial Markets, Institutions and Money, 18(4): 388-397.
Coelho, C. A, de Mello, J. M. P, & Garcia, M. G. P. (2010). Identifying the Bank
Lending Channel in Brazil through Data Frequency. Economía: Journal of the Latin
American and Caribbean Economic Association, 10(2), 47-79.
Cragg, J. G. (1983). More efficient estimation in the presence of heteroscedasticity of
unknown form. Econometrica, 51(3): 751-763.
18
de Mello, L., & Pisu, M. (2010). The bank lending channel of monetary transmission in
Brazil: a VECM approach. The Quarterly Review of Economics and Finance, 50(1), 5060.
Ehrmann, M., Gambacorta, L., Martinez-Pages, J., Sevestre, P., & Worms, A. (2003).
Financial systems and the role of banks in monetary policy transmission in the Euro
area. In: Angeloni, I., Kashyap, A., Mojon, B. (Eds.), Monetary policy transmission in
the Euro area: a study by the Eurosystem monetary transmission network. Cambridge
University Press, Cambridge.
Franses, P. H., & Haldrup, N. (1994). The effects of additive outliers on tests for unit
roots and cointegration. Journal of Business and Economic Statistics, 12: 471–478.
Gambacorta, L. (2009). Monetary policy and the risk-taking channel. BIS Quarterly
Review, December.
Gertler, M., & Gilchrist, S. (1993). The role of credit market imperfections in the
monetary transmission mechanism: arguments and evidence. Scandinavian Journal of
Economics, 95(1): 43–64.
Hansen, L. P. (1982). Large sample properties of generalized method of moments
estimators. Econometrica, 50(4): 1029-1054.
Iacoviello, M., & Minetti, R. (2008). The credit channel of monetary policy: evidence
from the housing market. Journal of Macroeconomics, 30(1): 69–96.
Johnston, J. (1984). Econometric Methods. 3rd ed., Singapore: McGraw-Hill Book Co.
Kashyap, A., Stein, J., & Wilcox, D. (1993). Monetary policy and credit conditions:
evidence from the composition of external finance. The American Economic Review,
83(1): 79–98.
Kwiatkowski, D., Phillips, P.C.B., Schmidt, P., & Shin, Y. 1992. Testing the Null
Hypothesis of Stationarity Against the Alternative of a Unit Root. Journal of
Econometrics, 54: 159-178.
Minella, A., & Souza-Sobrinho, N. F. (2009). Monetary channels in brazil through the
lens of a semi-structural model. Central Bank of Brazil Working Paper Series, n. 181,
April.
Mishkin, F. S. (1995). Symposium on the Monetary Transmission Mechanism. Journal
of Economic Perspectives, 9(4): 3-10.
Montes, G, C. (2013). Credibility and monetary transmission channels under inflation
targeting: An econometric analysis from a developing country. Economic Modelling,
30(1), 670-684.
Montes, G. C., & Peixoto, G. B. (2012). Risk-taking channel, bank lending channel and
the “paradox of credibility”: Evidence for Brazil. Encontro Nacional de Economia –
ANPEC.
Montes, G. C., & Machado, C. C., (2013). Credibility and the credit channel
transmission of monetary policy: Theoretical model and econometric analysis for
Brazil. Journal of Economic Studies, 40(4).
Rajan, R. G., (2005). Has Financial Development Made the World Riskier? National
Bureau of Economic Research Working Paper Series, No. 11728.
19
Apêndice
Tabela A.1 – Teste KPSS
Séries
KPSS
Bandwidth
Estatística de Teste
Valor Crítico a 1% Valor Crítico a 5% Valor Crítico a 10%
PREM
4
0.132
0.216
0.146
0.119
IR
7
0.205
0.216
0.146
0.119
INAD
7
0.056
0.216
0.146
0.119
DES
5
0.082
0.216
0.146
0.119
RR
7
0.186
0.216
0.146
0.119
SPREAD
6
0.083
0.216
0.146
0.119
EMBI
6
0.103
0.216
0.146
0.119
Nota: A escolha final pelo uso de intercepto ou intercepto e tendência foi feita baseada no critério de
Schwarz. A defasagem é o lag truncation escolhido para o Bartlett kernel. Todos os testes utilizaram
intercepto e tendência.
20
Banco Central do Brasil
Trabalhos para Discussão
Os Trabalhos para Discussão do Banco Central do Brasil estão disponíveis para download no website
http://www.bcb.gov.br/?TRABDISCLISTA
Working Paper Series
The Working Paper Series of the Central Bank of Brazil are available for download at
http://www.bcb.gov.br/?WORKINGPAPERS
284 On the Welfare Costs of Business-Cycle Fluctuations and EconomicGrowth Variation in the 20th Century
Osmani Teixeira de Carvalho Guillén, João Victor Issler and Afonso Arinos
de Mello Franco-Neto
Jul/2012
285 Asset Prices and Monetary Policy – A Sticky-Dispersed Information
Model
Marta Areosa and Waldyr Areosa
Jul/2012
286 Information (in) Chains: information transmission through production
chains
Waldyr Areosa and Marta Areosa
Jul/2012
287 Some Financial Stability Indicators for Brazil
Adriana Soares Sales, Waldyr D. Areosa and Marta B. M. Areosa
Jul/2012
288 Forecasting Bond Yields with Segmented Term Structure Models
Caio Almeida, Axel Simonsen and José Vicente
Jul/2012
289 Financial Stability in Brazil
Luiz A. Pereira da Silva, Adriana Soares Sales and Wagner Piazza
Gaglianone
Aug/2012
290 Sailing through the Global Financial Storm: Brazil's recent experience
with monetary and macroprudential policies to lean against the financial
cycle and deal with systemic risks
Luiz Awazu Pereira da Silva and Ricardo Eyer Harris
Aug/2012
291 O Desempenho Recente da Política Monetária Brasileira sob a Ótica da
Modelagem DSGE
Bruno Freitas Boynard de Vasconcelos e José Angelo Divino
Set/2012
292 Coping with a Complex Global Environment: a Brazilian perspective on
emerging market issues
Adriana Soares Sales and João Barata Ribeiro Blanco Barroso
Oct/2012
293 Contagion in CDS, Banking and Equity Markets
Rodrigo César de Castro Miranda, Benjamin Miranda Tabak and
Mauricio Medeiros Junior
Oct/2012
293 Contágio nos Mercados de CDS, Bancário e de Ações
Rodrigo César de Castro Miranda, Benjamin Miranda Tabak e
Mauricio Medeiros Junior
Out/2012
21
294 Pesquisa de Estabilidade Financeira do Banco Central do Brasil
Solange Maria Guerra, Benjamin Miranda Tabak e
Rodrigo César de Castro Miranda
Out/2012
295 The External Finance Premium in Brazil: empirical analyses using state
space models
Fernando Nascimento de Oliveira
Oct/2012
296 Uma Avaliação dos Recolhimentos Compulsórios
Leonardo S. Alencar, Tony Takeda, Bruno S. Martins e
Paulo Evandro Dawid
Out/2012
297 Avaliando a Volatilidade Diária dos Ativos:
a hora da negociação importa?
José Valentim Machado Vicente, Gustavo Silva Araújo,
Paula Baião Fisher de Castro e Felipe Noronha Tavares
Nov/2012
298 Atuação de Bancos Estrangeiros no Brasil:
mercado de crédito e de derivativos de 2005 a 2011
Raquel de Freitas Oliveira, Rafael Felipe Schiozer e Sérgio Leão
Nov/2012
299 Local Market Structure and Bank Competition: evidence from the
Brazilian auto loan market
Bruno Martins
Nov/2012
299 Estrutura de Mercado Local e Competição Bancária: evidências no
mercado de financiamento de veículos
Bruno Martins
Nov/2012
300 Conectividade e Risco Sistêmico no Sistema de Pagamentos Brasileiro
Benjamin Miranda Tabak, Rodrigo César de Castro Miranda e
Sergio Rubens Stancato de Souza
Nov/2012
300 Connectivity and Systemic Risk in the Brazilian
National Payments System
Benjamin Miranda Tabak, Rodrigo César de Castro Miranda and
Sergio Rubens Stancato de Souza
Nov/2012
301 Determinantes da Captação Líquida dos Depósitos de Poupança
Clodoaldo Aparecido Annibal
Dez/2012
302 Stress Testing Liquidity Risk: the case of the Brazilian Banking System
Benjamin M. Tabak, Solange M. Guerra, Rodrigo C. Miranda and Sergio
Rubens S. de Souza
Dec/2012
303 Using a DSGE Model to Assess the
Macroeconomic Effects of Reserve Requirements in Brazil
Waldyr Dutra Areosa and Christiano Arrigoni Coelho
Jan/2013
303 Utilizando um Modelo DSGE para
Avaliar os Efeitos Macroeconômicos dos
Recolhimentos Compulsórios no Brasil
Waldyr Dutra Areosa e Christiano Arrigoni Coelho
Jan/2013
304 Credit Default and Business Cycles:
an investigation of this relationship in
the Brazilian corporate credit market
Jaqueline Terra Moura Marins and Myrian Beatriz Eiras das Neves
22
Mar/2013
304 Inadimplência de Crédito e Ciclo Econômico:
um exame da relação no mercado brasileiro
de crédito corporativo
Jaqueline Terra Moura Marins e Myrian Beatriz Eiras das Neves
Mar/2013
305 Preços Administrados: projeção e repasse cambial
Paulo Roberto de Sampaio Alves, Francisco Marcos Rodrigues Figueiredo,
Antonio Negromonte Nascimento Junior e Leonardo Pio Perez
Mar/2013
306 Complex Networks and Banking Systems Supervision
Theophilos Papadimitriou, Periklis Gogas and Benjamin M. Tabak
May/2013
306 Redes Complexas e Supervisão de Sistemas Bancários
Theophilos Papadimitriou, Periklis Gogas e Benjamin M. Tabak
Maio/2013
307 Risco Sistêmico no Mercado Bancário Brasileiro – Uma abordagem pelo
método CoVaR
Gustavo Silva Araújo e Sérgio Leão
23
Jul/2013